KI in der Mikroskopie

Automatische Bildanalyse

Von Forschenden am Leibniz-Institut für Naturstoff-Forschung und Infektionsbiologie (Leibniz-HKI) wurde eine Software entwickelt, welche die Analyse von in der Forschung entstandenen Bildern deutlich vereinfachen kann. Nutzer und Nutzerinnen können nach ihrem Anwendungsbedarf Flowcharts erstellen und so ohne Programmierkenntnisse automatische Bildanalysen mithilfe künstlicher Intelligenz durchführen. Die Software JIPipe basiert auf einem Standardprogramm zur wissenschaftlichen Auswertung von biomedizinischen Mikroskopaufnahmen.

Bilder – vor allem mikroskopische Aufnahmen – spielen in der biomedizinischen Forschung eine große Rolle. Mithilfe von Fluoreszenzmarkierungen werden hier z. B. Vorgänge in Zellen sichtbar gemacht. „Ein Bild sagt mehr als tausend Worte – das ist nach wie vor wahr“, sagt Thilo Figge, Leiter der Forschungsgruppe Angewandte Systembiologie am Leibniz-HKI und Professor an der Friedrich-Schiller-Universität Jena. Doch die Auswertung stellt die Forschenden vor zunehmende Herausforderungen. „Es werden immer höhere Auflösungen und damit größere Datenmengen erzeugt“, erklärt Figge. „Gleichzeitig sind die Methoden der KI, also der künstlichen Intelligenz, mittlerweile so weit entwickelt, dass sie für Forschende ohne Programmierkenntnisse immer schwieriger anzuwenden sind.“

Mit JIPipe lassen sich beispielsweise die Bewegungsprofile von Fadenwürmern analysieren. © Hannah Büttner, Zoltán Cseresnyés, Ruman Gerst/Leibniz-HKI

Das nun am Leibniz-HKI entwickelte Open Source Programm JIPipe – kurz für Java Image Processing Pipeline – soll das vereinfachen. Ihre Entwicklung stellen die Wissenschaftler im Fachmagazin Nature Methods vor. „JIPipe ist ein Werkzeug, das keine Programmierfähigkeiten benötigt“, erklärt Entwickler Ruman Gerst, Mitarbeiter der Forschungsgruppe Angewandte Systembiologie. Stattdessen nutzt die Software eine visuelle Programmiersprache: Mithilfe vorgefertigter Bausteine können Nutzer und Nutzerinnen individuelle Arbeitsabläufe erstellen, um so Bilder nach ihren spezifischen Anforderungen automatisiert zu analysieren.

Anzeige

Weitere Programmier- sprachen werden unterstützt

Das Programm basiert auf der Open-Source-Software ImageJ, die sich als Standard in der wissenschaftlichen Bildanalyse etabliert hat. JIPipe und ImageJ sind vollständig miteinander kompatibel und ergänzen einander bei der wissenschaftlichen Bildanalyse. „Unser Programm unterstützt ImageJ Skripte und enthält die üblichen Funktionen und Macros“, erklärt Gerst. Auch andere Programmiersprachen wie Python und R werden unterstützt.

Das Vorläuferprogramm wurde von Zoltán Cseresnyés, ebenfalls Mitarbeiter der Forschungsgruppe Angewandte Systembiologie, bereits vor einigen Jahren entwickelt. „Ursprünglich habe ich den Code für einen Phagozytose-Assay geschrieben“, erklärt Cseresnyés. Bei der Phagozytose nimmt eine Zelle ein Partikel – beispielsweise eine andere Zelle – auf und zersetzt es, was üblicherweise mit Fluoreszenzfarbstoffen sichtbar gemacht wird.

Mit der Zeit erweiterte der Spezialist für Bildgebung den Code immer wieder für neue Anwendungsfälle – das Programm wurde unübersichtlich und zu komplex. „Uns wurde klar, dass wir das umgestalten und modular aufbauen müssen“, erzählt Cseresnyés, weswegen das Team den Bioinformatiker Ruman Gerst ins Boot holte. Dieser schlug zudem die jetzige visuelle Programmiersprache vor, welche es ermöglicht, die Bilddaten von beliebigen biomedizinischen Problemstellungen zu analysieren.

Reproduzierbare Ergebnisse

JIPipe wurde bereits für mehrere Studien genutzt, beispielsweise um die Effizienz der Medikamentenabgabe durch sog. Nanocarrier in der Leber zu untersuchen oder um die Überlebensrate von Fadenwürmern zu testen, die toxinproduzierende Bakterien verdaut haben. Auch Konfrontationen zwischen Immunzellen und Pilzsporen wurden mit dem neuen Programm analysiert. Die Entwickler bieten im Rahmen des Microverse Imaging Center und über das Konsortium NFDI4BioImage der Nationalen Forschungsdateninfrastruktur NFDI auch Kurse zur Nutzung an. „Im Gegensatz zur manuellen Bildanalyse liefert die automatisierte Analyse immer die gleichen Ergebnisse, ist somit reproduzierbar und entspricht den sogenannten FAIR-Prinzipien für die Bildanalyse“, betont Thilo Figge. Der Begriff FAIR kommt ursprünglich aus dem Bereich des Forschungsdatenmanagements und steht für „findable (auffindbar), accessible (zugänglich), interoperable (interoperabel) und reusable (wiederverwendbar)“.

Screenshot aus einer JIPipe-Analyse zum Überleben von Nematoden. © Zoltán Cseresnyés/Leibniz-HKI

Gefördert wurde die Forschung unter anderem durch die International Leibniz Research School for Microbial and Biomolecular Interactions (ILRS) Jena, durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Sonderforschungsbereiche „PolyTarget“ und „FungiNet“ (Transregio) sowie den Exzellenzcluster Balance of the Microverse und durch das Bundesministerium für Bildung und Forschung im Rahmen des InfectoGnostics Forschungscampus Jena.

Originalpublikation:
Gerst R, Cseresnyés Z, Figge MT (2023). JIPipe:visual batch processing for ImageJ. Nature Methods, https://doi.org/10.1038/s41592-022-01744-4

Quelle:
Leibniz-Institut für Naturstoff-Forschung und Infektionsbiologie – Hans-Knöll-Institut (Leibniz-HKI)

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige

Eine Betrachtung

Mehrwert durch Konnektivität im Labor

Die Vernetzung in Laboren ist heutzutage von großer Bedeutung, um Prozesse zu optimieren und Entscheidungen auf solider Datenbasis zu treffen. Die Fähigkeit, alle Datenquellen miteinander zu verknüpfen, ermöglicht es Laboren, effizienter und...

mehr...
Anzeige
Anzeige
Anzeige